benchmark di velocità per l'installazione di tensorflow

Question

Dubito che tensore sia configurato correttamente sul mio gpu box, poiché è circa 100x più lento per iterazione per formare un modello di regressione lineare semplice (batch = 32, 1500 input, 150 output variabili) sulla mia fantastica macchina gpu che sul mio portatile.

Sto usando un Titan X, con una CPU moderna, ecc. Nvidia-smi dice che sono solo al 10% di utilizzo di gpu, ma mi aspetto che sia a causa del piccolo lotto. Non sto utilizzando un feed_dict per spostare i dati nel grafico di calcolo. Tutto sta arrivando tramite un tf.decode_csv e tf.train.shuffle_batch.

Qualcuno ha qualche consiglio su come testare facilmente se la mia installazione è corretta? Ci sono dei semplici benchmark di velocità? La differenza di velocità tra il mio portatile e la macchina gpu è così drammatica che mi aspetto che le cose non siano configurate correttamente.

Answer 1

Provare tensorflow/tensorflow/models/image/mnist/convolutional.py, che stamperà i tempi per passo.

Su Tesla K40C che dovrebbe ottenere circa 16 ms per passo, mentre circa 120 ms per CPU-solo sulla mia tre anni vecchia macchina

Answer 2

Estendere Yaroslavs risposta: Ecco come fare l'intero processo di test (CUDA e cudNN installato già)

git clone https://github.com/tensorflow/models.git 

Creare un ambiente di Virtuel per tensorflow e installare tensorflow

virtualenv --system-site-packages -p python3 tf-venv3 
source tf-venv3/bin/activate 
pip install --upgrade pip 
pip install --upgrade tensorflow-gpu 

Eseguire il modello all'interno della vostra Virtuel Ambiente

python models/tutorials/image/mnist/convolutional.py 

mio GTX 1070 bisogni ~ 5ms per passo